AX 严选 · 2026-06-18

Noam Shazeer 是 Transformer 论文的作者之一，也是 Character.AI 的创始人，去年刚把公司卖给 Google 回去上班。现在他又跳去 OpenAI，帖子只说这是个“艰难的决定”，对 Google 团队很自豪，其他一概没提。 关键信息全缺：没说他去 OpenAI 负责什么方向、带不带团队、什么时候入职。考虑到他之前在 Character.AI 做的是消费级对话产品，跟 OpenAI 的 ChatGPT 直接竞争，这次跳槽可能涉及竞业或产品线安排，但正文没披露任何细节。 我会先打个折：这条新闻的价值目前只在“人动了”，不在“要发生什么”。等他或 OpenAI 公布具体职责再判断影响不迟。

OpenAI 赶在 IPO 前一周，从 Google DeepMind 挖来了 Noam Shazeer，他是“Attention Is All You Need”那篇论文的作者之一，也就是 Transformer 架构的奠基人。Shazeer 后来创办了角色扮演 AI 公司 Character AI，2024 年被 Google 以 27 亿美元重新买回去。同一周，OpenAI 还招揽了 Dean Ball，他曾在特朗普政府白宫科技政策办公室负责 AI 政策。 这两步棋的意图很直白：技术线需要一个有足够分量的招牌人物来撑场面，政策线则需要有人在华盛顿帮公司铺路。但 TechCrunch 这篇报道没写清楚最关键的信息——他俩具体担任什么职务、什么时候入职、向谁汇报。没有这些，就很难判断这是实权任命还是 IPO 前的门面工程。Shazeer 在 Google 的两次进出本身就挺戏剧化，他能不能在 OpenAI 待得住也是个问号。

Claude Code 这次加的 artifacts 功能，简单说就是你在终端里让模型干活时，它能顺手把当前进度——比如代码改了什么、系统架构怎么设计的、数据看板长什么样——直接生成一个带完整对话上下文的网页。队友不用装 Claude Code，点开链接就能看。这对团队协作挺实用，省去了截图、写说明、开会的步骤。 但官方博客写得比较克制，几个关键信息都没给。第一，这个功能是默认开启还是需要手动触发，正文没提。如果是默认开，那每次对话都可能多出一段网页生成的 token 消耗，成本会悄悄涨。第二，生成一个 artifact 到底吃多少 token，也没披露。对重度用户来说，这个数字直接决定用不用得起。第三，网页的交互能力到什么程度——是只能看，还是能编辑、能回传数据——也没展开。 我会先打个折：功能方向对，协作场景确实痛点明确，但在 token 成本和触发机制透明之前，别急着在生产环境里全量开。

这篇博客是一份操作指南，不是产品更新。它把控制 Claude Code 行为的五种方式梳理得很清楚：CLAUDE.md 相当于给模型看的项目说明书，告诉它代码风格和架构约定；技能是把重复任务写成固定步骤模板，让模型按流程执行；钩子是在模型操作前后自动触发检查，比如提交代码前先跑测试；规则直接约束模型能做什么不能做什么；子智能体则是把复杂任务拆开，分给多个独立模型并行处理。 整篇文章偏概念讲解，没有给出任何基准测试、延迟数据或成本对比。如果你已经在用 Claude Code，这些机制能帮你把模型管得更听话，但具体能提升多少效率、省多少钱，正文没披露。另外，子智能体这种并行拆分听着挺美好，实际落地时任务怎么切、切多细、中间结果怎么合并，这些工程上的坑文章也没展开。 对 AI 从业者来说，这篇值得看的是架构思路——怎么把一个大模型的行为拆成可配置、可检查、可分工的模块，而不是指望一个 prompt 解决所有问题。但别指望看完就能直接抄到自己的项目里，它更像一份设计蓝图，缺了实现细节和踩坑记录。

FERC 周四全票通过，要求美国六大电网运营商优先处理数据中心这类大用电客户的并网申请，数据中心自己承担全部并网费用。这相当于给 AI 基建开了条行政快车道，排队时间会缩短，但账单也全甩给了企业。委员会还让运营商考虑固态变压器、超导输电线路这些替代技术，不过没点名具体方案，落地时间表完全没提。 文章点出了一个关键缺口：FERC 只解决了排队流程，对更根本的电力供应短缺问题一个字都没碰。电本身不够用，光插队没用。正文没披露目前排队积压的具体规模，也没说这条快车道能省多少时间，所以实际效果还得看各电网运营商怎么执行。 还缺什么：新规会不会挤占居民和其他工业用户的并网资源，正文没讨论。数据中心自己扛全部费用，成本会高到什么程度，也没给估算。这点先别太激动，快车道修好了，车没油照样跑不动。

这份标准把自动驾驶的监管从“随便说”变成了“硬杠杠”。最狠的一招是引入了 Safety Case（安全档案）机制，企业得用“声明—论据—证据”的结构，把仿真、场地和道路测试数据串起来，证明自己的系统到底安全在哪。这直接终结了过去车企靠模糊宣传抢市场的玩法。 标准对 L3 和 L4 做了区分：L3 盯着人机交接，司机没接管系统必须自己靠边停；L4 则要求系统不依赖远程操控就能自己处理风险。不过，正文没披露具体的测试场景数量和通过标准，企业到底要跑多少里程、覆盖多少 corner case 才算过关，这点还不清楚。 2027年7月实施，现有车型多给一年缓冲期。短期看，车企在冗余系统和安全档案上的投入会涨，但长期看，谁先跑通这套验证体系，谁就能在合规窗口期抢到身位。

Adobe 这次更新的核心是把“创意智能体”做成一个跨应用的跑腿助手，覆盖 Premiere、Photoshop、Illustrator、InDesign 和 Frame.io。用户说想要什么结果，它自己去完成多步骤的重复性工作，比如在 PR 里自动分素材、标采访问题、拼粗剪，在 PS 里换背景、按平台尺寸批量改图，在 Illustrator 里根据一张表格生成 50 个版本文件。这些功能瞄准的是生产环节里的体力活，而不是创意决策本身，定位比较务实。 目前所有功能都是公开测试版，After Effects 的助手还在私测，没有公开上线时间。Firefly 那边也加了面向单人创作者的工具，比如从描述生成品牌套件、把产品图转成短视频。另外 Adobe 的工具已经能在 ChatGPT、Claude 和微软 365 Copilot 里调用，Google Gemini 和 Slack 的集成也预告了。 值得留个心眼的是，正文完全没有提这些自动流程的准确率、出错后怎么回滚，以及实际能省多少人工复核时间。批量生成 50 个文件听起来很爽，但如果每个都要手动检查一遍，省下的时间可能没那么乐观。

皮尤这份民调最扎眼的数据不是 63% 的人嫌 AI 太快，而是使用率和乐观程度完全脱节。ChatGPT 使用率从 2023 年翻番到 44%，近一半美国人已经在用聊天机器人，但只有 16% 认为 AI 对社会有正面影响。年轻人用得最凶（66%），悲观情绪也最重（48% 看衰）。这说明大家不是不用，是边用边怕。 30-49 岁群体每天至少用一次的比例最高（34%），约四成美国人拿 AI 干活，30% 觉得效率确实高了。但 66% 担心 AI 传假消息，这个担忧从 2024 年延续到现在，正文没给今年的新数据，不确定有没有变化。 这篇报道没提样本量、误差范围和调查方式，引用时得打个折。另外，民调只覆盖美国，不能直接套到其他市场。

OpenAI 说 GPT-5.5 Instant 在健康问答上进步很大，免费用户就能用。他们请医生做了个 3500 条回复的盲评，结果模型在准确性、沟通清晰度和完整性上的得分比真人医生写的回答还高，而且更少漏掉危险信号、不追问背景。后台监控也显示，过去两个月健康回复的事实错误率降了 71%。 这个结果挺直观，但得打个折。评测是 OpenAI 自己组织的，医生也是他们请的，评分标准怎么定的、医生之间打分一致性怎么样，正文都没细说。3500 条样本量不算大，能不能代表真实用户五花八门的问法，也要打个问号。另外，后台监控的“事实错误率”具体怎么定义、怎么测的，也没披露。 还缺什么？缺独立第三方的复现，缺真实临床环境下的安全性数据，也缺对“模型说错但看起来很有道理”这类更隐蔽错误的评估。健康建议容错率低，光靠内部评测还不够。

这个 Seeduplex 模型最特别的地方是“原生全双工”，不用等你把话说完，它能边听边判断什么时候接话。官方给了几个具体数字：判停延迟缩短约 250 毫秒，复杂场景下抢话比例降了 40%，用户主动打断的延迟也少了约 300 毫秒。这些数字说明它在多人聊天或嘈杂环境里会更像人，不会乱插嘴或漏掉你的打断。 它还支持在对话里直接调用工具，比如订日历、发邮件，这对车载或客服场景挺实用。不过正文没披露定价、公开上线时间，也没给出误回复率具体降了多少。如果是真的挺省钱，但没价格就没法判断性价比。另外，抗干扰能力只在官方描述里提了，没有第三方测试或对比数据，这点先别太激动。

DeepSeek 把识图模式做成了跟快速、专家模式并列的独立入口，而不是藏在对话框的附件里，这个产品决策挺有意思——它把“看懂图片”当成一种独立的思考方式，而不仅仅是一个输入手段。研究员 Xiaokang Chen 宣布网页和 App 端同步上线，但 IT 之家实测发现 App 端还留着“图片理解功能内测中”的提示，网页端倒是干净。这种两端状态不一致，要么是发版节奏没对齐，要么是移动端还在做最后的压力测试。 今年 4 月他们公开过背后的技术框架“Thinking with Visual Primitives”，核心思路是让模型先提取视觉原语再推理，而不是直接把图扔给语言模型。这个路线理论上能降低幻觉，但正文完全没提现在用的是哪个模型、参数量多大、推理成本多少、支不支持多轮对话里的图片追问。也没说图片分辨率上限、文件大小限制、是不是免费。这些信息缺口让“正式上线”这个词得打个折——更像是公开测试的扩大，而不是产品化的收尾。 对从业者来说，值得关注的点是：如果识图模式真的按独立推理通道来跑，那它的延迟和 token 消耗跟纯文本模式差多少，会直接影响能不能放进生产流程。这些数字正文一个都没给。

这条新闻最值得看的是思路：把蛋白质、小分子、材料这些原本“鸡同鸭讲”的数据，全部编码成统一的离散 token 序列，然后用同一个“预测下一个词”的目标来训练和推理。这相当于给科学领域建了一套通用语言，模型不再需要为每个任务换一套架构和假设。LOGOS-1B 只有 10 亿参数，微软 NatureLM 是 8×7B 的混合专家模型，参数量差了 56 倍，却在六个任务上匹配或超越了对方，参数效率确实亮眼。 不过有几个地方要先打个折。第一，正文只说了“匹配或超越”，没有给出具体任务上的绝对分数对比，不知道领先是小数点后几位还是实质性差距。第二，44.87B tokens 的预训练语料里蛋白质占了 28.9B，小分子只有 2.1B，数据分布很不均衡，模型在小分子相关任务上的表现是否同样稳定，正文没展开。第三，把 3D 空间接触模式转成离散 token 这个想法很巧妙，但完全抛弃显式 3D 坐标后，在需要精确几何约束的场景下会不会丢精度，目前没有消融实验支撑。 整体看，这套“统一语法 + 序列建模”的范式如果能跑通更多科学领域，确实能省掉大量适配工作。但现阶段还缺更多独立复现结果和实际应用案例，先当一篇有意思的技术报告看比较合适。

上交所这次把科创板第五套上市标准明确给了AI大模型企业，核心就一条：申报时至少有一个大模型产品已经上线并且实现规模化应用。说白了，就是不看你现在赚不赚钱，但要看你的产品是不是真跑起来了，用户量够不够大。这比光讲技术故事要实在，用实际跑出来的用户规模来证明商业模式不是纸上谈兵。 不过指引里没给“规模化应用”的具体数字门槛，是日活百万算规模，还是付费客户过千算规模，正文没披露。另外，公司还得在行业里地位突出、排名靠前，目标市场要清晰，成长性要强——这些也都是定性描述，具体怎么评、谁来评，指引没说清楚。 对头部大模型公司来说，这确实多了一条融资通道，尤其那些还在疯狂烧钱搞研发、短期看不到盈利的。但“规模化应用”这个口子到底多宽，还得看后续有没有更细的审核口径出来，不然容易变成又一个模糊地带。

苹果这次在 Xcode 27 里塞了一个能直接干活的 AI 助手，不是那种在旁边弹窗聊天的配角，而是嵌在工具栏里，可以跨多个文件改代码，甚至根据你的文字描述加上图标素材，直接生成一个完整的 App。生成之后还能继续用对话让它加背景、特效、动画和翻译，听起来像是把 vibe coding 那套流程搬进了苹果自家的开发工具里。 底层方面，苹果推出了新的 Core AI 框架和升级版 MLX，让开发者在 App 里调用端侧模型更方便，也支持接入 Anthropic、OpenAI 和 Google 的第三方模型。这相当于给了开发者一个模型选择权，不用被绑在苹果自己的模型上。 但这条新闻最大的信息缺口是：所有演示都来自 WWDC 的官方讲座视频，没有第三方实测数据。跨文件修改的准确率有多高？生成完整 App 的成功率是多少？在本地跑这些模型延迟有多大？支持的语言是不是只有 Swift？这些关键指标正文一个字都没提。所以现在只能把它当成一个方向性的发布，离真正能省多少事，还得等开发者上手之后才知道。

这条消息最扎眼的数字是 27 亿美元——两年前 Google 为把 Shazeer 请回来付的价码，现在人去了 OpenAI。帖子本身信息量很薄，没披露他离职的时间点、在 OpenAI 的职位或研究方向，也没说这对 Gemini 团队的实际冲击有多大。我会先打个折：Shazeer 是 Transformer 架构的核心作者之一，他的去留对任何大模型团队都是信号级事件，但光凭一条推文还判断不了 Gemini 会不会因此掉队。真正需要关注的是他为什么走——是 Google 内部资源分配问题，还是 OpenAI 给了更吸引他的技术方向，这些正文都没提。另外，27 亿这个数字本身也值得追问：当初的交易结构是什么、有没有竞业限制、他实际到手多少，这些信息缺口让“27 亿打水漂”的说法站不住脚。

这篇博客没给最终模型排名，更像一份评测方法论：把开源模型驱动的编程助手扔进真实的 transformers 库任务里，不看最终答案对不对，而是拆开整个过程算账——成功要花多少 token、走多少弯路。他们用 pi coding agent 搭了一套开源评测流水线，对比了不同模型、不同库版本下的表现。 一个关键发现是，库本身的文档质量和接口设计会直接影响智能体的成功率。他们举了个例子：给 CLI 工具加了个“技能提交”功能后，任务完成得更顺了。这说明与其死磕模型能力，不如先把工具链打磨好。 不过正文没披露具体模型间的胜负数据，也没说这套评测跑了多少样本、任务难度分布如何。如果是真的，这个思路挺省钱——不用迷信大模型，把自家工具的说明书写清楚可能更管用。但缺少量化结果，暂时只能当方法论参考，没法直接拿来选模型。